Análise em séries temporais da radiação solar na Cidade do Recife/PE
DOI:
https://doi.org/10.33448/rsd-v9i9.6870Palavras-chave:
Radiação solar; Mudanças climáticas; Modelagem; Previsão.Resumo
Objetivo: analisar e descrever o melhor ajuste para série temporal de radiação solar na cidade do Recife/PE, aplicando os modelos ARMA e ARMAX, além de prever os níveis de radiação para os próximos seis anos. Método: utilizaram-se dados de séries climáticas do Instituto Nacional de Meteorologia (INMET), disponibilizados no período de janeiro de 2009 a dezembro de 2018. A comparação dos modelos foi realizada pelos critérios de informação de Akaike. Resultados: a série de radiação solar apresenta uma alta variabilidade das médias mensais, indicando a presença de sazonalidade e uma forte assimetria negativa. Os resultados da estatística de erros mostram a acurácia do modelo ARMAX(2,1), com erro percentual próximo de 18,68%, comparando-se a série observada e ajustadas, além disso, foi possível identificar que a previsão consegue captar a existência de sazonalidade. Conclusão: o modelo ARMAX foi adequado para descrever a radiação solar incluindo variáveis exógenas, apresentando melhor previsão com boa acurácia, sendo uma ferramenta capaz de auxiliar em políticas de saúde pública no combate ao câncer de pele e intervenções.
Referências
Akaike, H. (1974). A new look at the statistical model identification. IEEE transactions on automatic control, 19(6), 716-723. https://doi.org/10.1109/TAC.1974.1100705.
Alsharif, M. H., Younes, M. K., & Kim, J. (2019). Time series ARIMA model for prediction of daily and monthly average global solar radiation: The case study of Seoul, South Korea. Symmetry, 11(2), 240. https://doi.org/10.3390/sym11020240.
Baierle, E., Martins, M. T. F., Rodrigues, M. B., & Blass, L. (2019). Estudo da curva de radiação solar no município de Bagé utilizando métodos numéricos. Anais do Salão Internacional de Ensino, Pesquisa e Extensão, 10(2).
Box, G. E., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2015). Time series analysis: forecasting and control. John Wiley & Sons, p. 709.
da Silva, C. A. G. (2019). Análise da previsão do preço do etanol hidratado no estado de São Paulo: uma aplicação do modelo arima/Analysis of the forecasting of the hydrated ethanol price in the state of São Paulo: an application of the arima model Brazilian Journal of Development, 5(10), 17763-17778. https://doi.org/10.34117/bjdv5n10-045.
da Silva Tabosa, F. J., Costa, E. M., do Amaral Filho, J., Neto, N. T., Araújo, J. A., & dos Santos, C. P. B. (2019). Análise da demanda por energia elétrica no meio rural do Brasil. Planejamento e Políticas Públicas, (52).
de Souza, S. R., Maciel, M. D. N. M., de Assis Oliveira, F., & de Almeida Jesuíno, S. (2011). Dinâmica da paisagem na bacia hidrográfica do Rio Apeú, nordeste do Pará, Brasil. Revista Acadêmica Ciência Animal, 9(2), 141-150. https://dx.doi.org/10.73213/cienciaanimal.v9i2.11756.
de Souza, A., Ihaddadene, R., Haddadene, N., Oguntunde, P., Pavao, H. P. H., Fernandes, W., de Oliveira-Júnior, J. F., Soares, D. G., Pobocikova, I., Abreu, M. C., & dos Santos, C. M. (2019). Modeling of the Global Solar Radiation Series as a Function of Probability Distribution. Open Science Journal of Statistics and Application, 6(3), 35.
Gómez, J. M., Carlesso, F., Vieira, L. E., & Da Silva, L. (2018). A irradiância solar: conceitos básicos. Revista Brasileira de Ensino de Física, 40(3). https://doi.org/10.1590/1806-9126-rbef-2017-0342.
Gujarati, D. N.; Porter, D. C. (2011). Econometria Básica-5. Amgh Editora, p. 918.
Handoyo, S., Efendi, A., Jie, F., & Widodo, A. (2017). Implementation of particle swarm optimization (PSO) algorithm for estimating parameter of arma model via maximum likelihood method. Far East Journal of Mathematical Sciences, 102(7), 1337-1363. http://dx.doi.org/10.17654/MS102071337.
Hopkins, W. G. Correlation coefficient: a new view of statistics. Recuperado de www.sportsci. org/resource/stats/correl.html, 2000.
Kruskal, W. H., & Wallis, W. A. (1952). Use of ranks in one-criterion variance analysis. Journal of the American statistical Association, Taylor & Francis Group, 47(260), 583-621. https://doi.org/10.2307/2280779.
Mo, J. Y., & Jeon, W. (2017). How does energy storage increase the efficiency of an electricity market with integrated wind and solar power generation? A case study of Korea. Sustainability, 9(10), 1797. https://doi.org/10.3390/su9101797.
Morettin, P. A., & Toloi, C. (2004). Análise de Series Temporais. São Paulo: Edgard Blucher LTDA, p. 535.
Peng, B. I., Xiao-Ming, S. H. I., & Qi-Yong, L. I. U. (2020). Climate change and population health research in China: Knowledge gaps and further directions. Advances in Climate Change Research.
Provenza, M. M., da Serra Costa, J. F., & de Carvalho Silva, L. (2018). Análise de dados e previsão de séries temporais do homicídio doloso no Estado do Rio de Janeiro entre 2001 e 2016. Produção em Foco, 8(2). https://doi.org/10.14521/P2237-5163.2018.0015.0001.
Rocha, C. A. (2017). Índice de qualidade ambiental de áreas utilizadas para a prática de atividades físicas e lazer na cidade de Fortaleza, CE.
Santos, D. A. D. S., Azevedo, P. V. D., Olinda, R. A. D., Santos, C. A. C. D., Souza, A. D., Sette, D. M., & Souza, P. M. D. (2017). A relação das variáveis climáticas na prevalência de infecção respiratória aguda em crianças menores de dois anos em Rondonópolis-MT, Brasil. Ciência & saúde coletiva, 22, 3711-3722. https://doi.org/10.1590/1413-812320172211.28322015.
Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality (complete samples). Biometrika, 52(3/4), 591-611, 1965. https://doi.org/10.2307/2333709.
Spokas, K., & Forcella, F. (2006). Estimating hourly incoming solar radiation from limited meteorological data. Weed science, 54(1), 182-189. https://doi.org/10.1614/WS-05-098R.1.
Sobral, M. F. F., Duarte, G. B., da Penha Sobral, A. I. G., Marinho, M. L. M., & de Souza Melo, A. (2020). Association between climate variables and global transmission oF SARS-CoV-2. Science of The Total Environment, 729, 138997.
Souza, A. D., Andrade, F. A., Oguntunde, P. E., Arsić, M., & Silva, D. A. (2018). Climate indicators and the impact on morbidity and mortality of acute respiratory infections. Advanced Studies in Medical Sciences, 6(1), 5-20.
Tawatsupa, B., Lim, L. L., Kjellstrom, T., Seubsman, S. A., Sleigh, A., & Thai Cohort Study Team. (2012). Association between occupational heat stress and kidney disease among 37 816 workers in the Thai Cohort Study (TCS). Journal of epidemiology, 22(3), 251-260. https://doi.org/10.2188/jea.JE20110082.
Willmott, C. J., & Matsuura, K. (2005). Advantages of the mean absolute error (MAE) over the root mean square error (RMSE) in assessing average model performance. Climate research, 30(1), 79-82.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2020 Jucarlos Rufino de Freitas
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
